HENet：一种针对精度、速度与存储优化的高效卷积神经网络
计算机视觉与模式识别
2018-03-16 v2
摘要
为提升卷积神经网络（CNNs）的实时性能，越来越多研究者致力于提高 CNN 的效率。基于对一些 CNN 架构（如 ResNet、DenseNet、ShuffleNet 等）的分析，我们结合其优势提出了一种名为高效网络（HENet）的极高效模型。新架构采用一种不寻常的方式组合 ShuffleNet 中提出的分组卷积与通道混洗。受 ResNet 与 DenseNet 启发，我们还提出了一种在每个块中使用逐元素加法与拼接连接的新方式。为更充分利用特征图，HENet 中去除了池化操作。实验表明，在 CIFAR-10/100 与 SVHN 等许多开源数据集上，我们模型的效率比 ShuffleNet 高出一倍以上。
引用
@article{arxiv.1803.02742,
title = {HENet:A Highly Efficient Convolutional Neural Networks Optimized for Accuracy, Speed and Storage},
author = {Qiuyu Zhu and Ruixin Zhang},
journal= {arXiv preprint arXiv:1803.02742},
year = {2018}
}
备注
11 pages,3 figures